Viktigt utdrag--- En leksaksmodell: Monadformation via PageRank Här är en konkret leksaksmodell som fångar vad jag tror faktiskt pågår. Låt oss kalla denna leksaksmodell: PageRank Monadology*. Börja med en riktad graf. Varje nod är en primitiv quale, ett grundläggande element i erfarenhet. Kanter representerar kausala/uppmärksamhetsmässiga kopplingar: om det finns en kant från A till B, så "påverkar" A B i någon fenomenologiskt relevant mening. Vid varje tidssteg händer tre saker: Steg 1: Segmentering. Grafen delas upp i diskreta grupperingar. Varje grupp definieras som en "starkt sammanhängande komponent", vilket betyder att om du börjar vid någon nod i gruppen och följer de riktade kanterna, återvänder du så småningom till där du började. Du fastnar i gruppen. Det här är monaderna. Steg 2: Helhetsuppdatering. Inom varje grupp kör du omedelbart PageRank. Varje nod får en ny vikt baserat på hela gruppens struktur. Detta är inte en lokal uppdatering som i fast-storlek-fastfönster-mobilautomater. Istället speglar varje nods nya tillstånd hela konfigurationen av dess monad samtidigt. Tänk på det som "upplevelseögonblicket" för den monaden: en holistisk harmonisering som tar hänsyn till allt inom gränsen. Steg 3: Koppla om el. Baserat på de nya vikterna och den befintliga strukturen omkopplas grafen. Nya kanter bildas och topologin förändras. Detta skapar nya starkt sammanhängande komponenter, och cykeln upprepas. Vad ger detta oss? Varierande hinkstorlekar, till exempel. De starkt sammanhängande komponenterna kan vara av vilken storlek som helst, från enskilda noder till enorma kluster. Inget i modellen åtgärdar detta i förväg; den uppstår ur topologin. Och en holistisk uppdateringsregel: inom varje monad beaktar PageRank-algoritmen hela den interna strukturen samtidigt. Monadens "upplevelse" byggs inte upp från lokala interaktioner – åtminstone inte naivt – eftersom den beräknas som en funktion av helheten. Detta är förstås schematiskt. Jag påstår inte att hjärnan bokstavligen kör PageRank. Men den fångar de strukturella egenskaper som jag tycker är viktiga: gränser som delar systemet i helar, och uppdaterar regler som fungerar på dessa helheter som enheter istället för att iterera genom deras delar.